語言節奏在話題追蹤中的研究與應用

何婕

摘要：語言節奏是語言中的重要特征，通過對語言節奏現象的分析，提出四種語言節奏：自然節奏，語法節奏，邏輯節奏和情感節奏。每種語言節奏都從相關方面反映了語言的特征，對語言特征進行提取達到話題追蹤的目的。本文闡述了各種語言節奏的提取方法和節奏特征的提取方法。實驗結果表面，在話題追蹤任務中應用效果良好。

關鍵詞：文本分析；語言節奏；蹤系統流程

中圖分類號：TP391.1 文獻標識碼：A 文章編號：1007-9416（2017）02-0127-01

現今，網絡中存在有豐富的信息和知識，信息的來源和量已經不是人們關心的主要問題了，如何在海量的信息和知識中，快速定位和挖掘到感興趣的內容，已然成為當前研究的一個熱點。本文在進行話題追蹤任務時，與以往的分析文本內容和結構的方法不同，是從語言中的另外一種特征入手——語言節奏[1-2]。具體分析了文本語言表達中，存在的各種語言節奏。闡述了語言節奏的獲取方法和特征提取方法，提出了基于語言節奏進行話題追蹤的方法。

1 話題追蹤系統流程

話題追蹤任務的系統流程是，首先將待追蹤話題和待測報道文本進行模型化，然后對二者的模型進行相似度的比較，當兩者的相似度滿足判定閾值要求時，則可以判定待測文本屬于對應的話題[3]。但是話題追蹤任務不同于簡單的相似文檔比較。話題的主題內容會隨著時間的發展而有所變化，因而，如何摒除內容相似性比較在話題發展中的局限性。發現一定時間范圍內同一話題的相關內容，是當前研究的難點重點。

2 語言節奏性

語言節奏是語言中固有的一種特征，是人們進行語言文字表達相關內容時，其中蘊含的有規律或者無規律的階段性的變化因素，既要能夠服務于抒發感情，表現主題，又要鏗鏘流暢，給人以共鳴。不僅語言文學藝術中存在紛繁復雜的語言節奏，在普通人的日常語言中也存在著語言節奏，狹義的語言節奏是指，語言中句子或者音節停頓的長短，音調的輕重緩急，起伏跌宕，循環往復，而產生的似音樂的節奏美感，多考慮的是語言的韻律[4]。

3 語言節奏的提取

語言節奏是文本的重要特征，能夠反映文本的多方面特征。快速科學的從文本中，獲取各種語言節奏，是亟待解決的重要問題。在此，就如何進行各種語言節奏的提取進行了系統的討論。

3.1 文字序列

文字序列是語言的文本體現，是由文字符號和非文字符號組成的。設任意長度的文字序列是由兩部分內容組成的，但含有文字符號（Word）和非文字符號（即標點和段落標記符號統稱為Punctuate），也就是說組成文字序列的符號wa取自兩種符號集合：Word，文字符號集合和Punctuate，非文字符號集合[5]。文字序列是由文字符號和非文字符號交替出現的，在文字序列中挖掘出一定的節奏特征，從而完成語言節奏的提取工作。

3.2 語言節奏獲取

語言節奏的獲取是對文字序列進行操作的，現以語言自然節奏的獲取為例闡述語言節奏的獲取方法。在獲取的過程中，先對文字序列進行掃描，若遇到非文字標記符號時，則構建其自然節奏單元NRU，并修改當前自然節奏碼NRC。到文章或者文字序列結束時，完成其自然節奏碼NRC構建，算法描述如下圖1所示。

因此，語言自然節奏碼實際上就是由一串數字以及停頓級別編碼構成的。語言中的其他節奏：語法節奏，邏輯節奏和情感節奏都是語言表達過程中的重要內容。文本序列中的非文字符號，可以將語言中的自然節奏表達出來。文本中文字符號可以進一步的將語言中其他方面的節奏信息表達出來。語言中的文字符號中包含有兩種類型的詞類：實詞和虛詞。實詞可以說表達了語言中大部分的語義信息，即語言中實際內涵信息是由廣大實詞來表達的。語言中的虛詞是做什么用的呢？通過研究和分析。語言中的虛詞，完成了語言中一大部分的其他方面特征表達[6]。

3.3 語言節奏特征提取

文本表達的內容和情感上存在眾多差異，每一篇文檔的語言節奏具有一定的唯一性。通過對文本中存在的語言節奏進行分析，得知語言節奏是在時間序列上展開的，一篇文章中某一時刻語言節奏標記或者語言節奏單元的出現，是與之前所有出現過的語言節奏標記和語言節奏單元概率相關的。因而，可以將語言節奏視為一個Markov過程，并進一步提取語言節奏的特征。由于每一類語言節奏中的節奏標記是有限的，所以在語言節奏Markov的過程中存在的狀態也是有限的，因此，狀態轉移矩陣的規模就不會很大，對于文本分析的工作是非常有利的，至此完成了語言節奏特征的提取過程。

4 結語

通過實驗驗證，語言節奏的特征分析在文章話題同一性發現中同樣具有良好的效果。通過將一個時間段的多個話題的多篇文檔，組織在一起，提取語言節奏并進一步分析語言節奏特征。對于語言節奏而言，通過語法節奏、情感節奏等綜合特征可以大大提高文章話題同一性的發現，實現不同文章的話題分類。

參考文獻

[1]郭慶琳，李艷梅，唐琦.基于VSM的文本相似度計算的研究[J].計算機應用研究，2008（11）：3256-3258.

[2]金博，史彥軍，滕弘飛.基于語義理解的文本相似度算法[J].大連理工大學學報，2005（2）：291-297.

[3]楊華，姬東鴻，陳波.基于話題相關的文檔集的無向基本要素網絡的連通性探討[J].中文信息學報，2015（4）：103-110.

[4]鄧莎莎.支持決策研討的文本分析方法研究[D].上海交通大學，2013.

[5]陳釩.語言節奏提取及其在文本分析中的應用[D].天津大學，2011.

[6]陳釩，馮志勇.語言自然節奏在文本分類中的研究與應用[J].計算機工程與應用，2012（30）：28-32.